【实战解析】基于HBase的大数据存储在京东的应用场景

HBase是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，适用于结构化的存储，底层依赖于Hadoop的HDFS，利用HBase技术可在廉价PCServer上搭建起大规模结构化存储集群。因此，HBase被广泛使用在大数据存储的解决方案中。

为何使用HBase

(1) HBase的优点：

• 列可以动态增加，并且列为空就不存储数据，节省存储空间
• HBase自动切分数据，使得数据存储自动具有水平scalability
• HBase可以提供高并发读写操作的支持

(2) HBase的缺点：

• 不能支持条件查询，只支持按照Row key来查询
• HBase并不适合传统的事物处理程序或关联分析，不支持复杂查询，一定程度上限制了它的使用，但是用它做数据存储的优势也同样非常明显

因为HBase存储的是松散的数据，所以如果你的应用程序中，数据表每一行的结构是有差别的，那么可以考虑使用HBase。

因为HBase的列可以动态增加，并且列为空就不存储数据，所以如果你需要经常追加字段，且大部分字段是NULL值的，那可以考虑HBase。

因为HBase可以根据Rowkey提供高效的查询，所以如果你的数据(包括元数据、消息、二进制数据等)都有着同一个主键，或者你需要通过键来访问和修改数据，使用HBase是一个很好地选择。

二、如何使用HBase

场景一：卖家操作日志

卖家操作日志，顾名思义是用来记录商家操作的系统，从而可以保证商家可以精确查询自己的各种操作。京东有几十万的商家时时刻刻的进行着各种操作，因此卖家操作日志的特点是：数据量大、实时性强、增多查少。

▲图一

▲图二

做卖家操作日志初期，将所有的操作日志存放在ES中，操作日志的数据量是非常大的，但当时所能申请到的ES资源有限。当把大量的数据存储到有限的ES集群中时便导致了性能的下降。在这种情况下，选择了只在ES集群中存储最近三个月的数据，对其提供灵活的查询，而长期的数据存储使用HBase来进行。这样便可以实现对近期操作灵活展现，对长期数据也有精确备份。

场景二：京麦消息日志的存储

京麦消息日志的存储是属于京麦筋斗云系统(用于打造京麦消息生态系统闭环)不可或缺的一部分，其中包含消息的全链路追踪以及消息的统计分析。京麦消息每天都会有几千万的消息量，如何对消息进行追踪和统计便成为了一个至关重要的问题。

消息追踪要求实时性、多维度精确查询，因此选择将最近一周的消息日志存储在ES。统计分析要求有足够多的数据，因此在将数据存储在ES中的同时也存储在HBase中一份。最终再定期将HBase中的数据导入到京东的数据集市中，这样便可以很方便的对京麦消息进行统计分析。

HBase的数据结构

▲HBase数据的概念视图

要使用HBase首先要了解HBase的数据结构：

HBase会存储系列的行记录，行记录有三个基本类型的定义：Row Key、Time Stamp、Column Family。

1. Row Key

与NoSQL数据库一样，Row Key是用来检索记录的主键。访问HBase table中的行，只有三种方式：

• 通过单个Row Key访问
• 通过Row Key的range全表扫描
• Row Key可以是任意字符串(最大长度是64KB，实际应用中长度一般为 10 ~ 100bytes)，在HBase内部，Row Key保存为字节数组

在存储时，数据按照Row Key的字典序(byte order)排序存储。设计Key时，要充分排序存储这个特性，将经常一起读取的行存储到一起(位置相关性)。

2. Column Family

HBase表中每个列都必须属于某个列族，列族必须作为表模式定义的一部分预先给出(有点像关系型数据库中的列名，定义完一般情况下就不会再去修改)。

列名以列族作为前缀，每个列族都可以有多个列成员。新的列族成员(也就是列)可以随后按需，动态加入。

Hbase把同一列族里面的数据存储在同一目录下，由几个文件保存。

3. Time Stamp

在HBase每个cell存储单元对同一份数据有多个版本，根据唯一的时间戳来区分每个版本之间的差异，不同版本的数据按照时间倒序排序，最新的数据版本排在最前面。

三、简述HBase的架构原理

1. HBase的模块

(1) Master

HBase Master用于协调多个Region Server，侦测各个Region Server之间的状态，并平衡Region Server之间的负载。HBase Master还有一个职责就是负责分配Region给Region Server。HBase允许多个Master 节点共存，但是这需要Zookeeper的帮助。不过当多个Master节点共存时，只有一个Master是提供服务的，其他的Master节点处于待命的状态。当正在工作的Master节点宕机时，其他的Master则会接管 HBase 的集群。

(2)Region Server

（编辑：PHP编程网 - 黄冈站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!